### [UI-TARS Desktop：35.3k Stars！字节跳动开源多模态AI代理桌面端，让AI直接操作你的电脑](https://www.willai.cc/article/732)

**Published:** 2026-05-26T18:19:09

**Author:** hiyoho

**Excerpt:** 📦 项目简介 UI-TARS Desktop 是字节跳动开源的多模态 AI Agent 桌面应用，基于自研的 UI-TARS 多模态大模型和先进的 GUI Agent 架构，让你可以用自然语言直接控制电脑——打开软件、修改设置、操作浏览器，

* * *

## 📦 项目简介

UI-TARS Desktop 是字节跳动开源的**多模态 AI Agent 桌面应用**，基于自研的 UI-TARS 多模态大模型和先进的 GUI Agent 架构，让你可以用自然语言直接控制电脑——打开软件、修改设置、操作浏览器，全部由 AI 代劳。

项目已获得 **35.3k+ Stars**，Apache 2.0 开源协议，支持 Windows / macOS / Linux 三平台，是 2026 年最值得关注的多模态 AI Agent 项目之一。

![UI-TARS Desktop 演示](https://raw.githubusercontent.com/byteDance/UI-TARS-Desktop/main/assets/demo.gif)

UI-TARS Desktop 实际操作演示

## ⚙️ 安装要求和过程

**环境要求：**

-   Windows 10+ / macOS 12+ / Linux（Ubuntu 20.04+）
-   8GB+ RAM（推荐 16GB）
-   支持 CPU 推理，推荐 NVIDIA GPU（4GB+ 显存）以获得最佳体验
-   Node.js 22+（如使用 Agent TARS CLI）

### 方式一：下载桌面端（推荐）

1.  访问 [GitHub Releases 页面](https://github.com/byteDance/UI-TARS-Desktop/releases)，下载对应系统的安装包
2.  Windows 用户：下载 `.exe` 安装包，双击安装
3.  macOS 用户：下载 `.dmg` 文件，拖入 Applications 文件夹
4.  首次启动需下载 UI-TARS 模型（约 4GB），请保持网络畅通

### 方式二：使用 Agent TARS CLI

```
# 快速启动（无需全局安装）
npx @agent-tars/cli@latest

# 全局安装
npm install @agent-tars/cli@latest -g

# 使用火山引擎方舟模型启动
agent-tars --provider volcengine --model doubao-1.5-thinking-vision-pro-250428 --apiKey YOUR_KEY

# 使用 Anthropic Claude 模型启动
agent-tars --provider anthropic --model claude-3-7-sonnet-latest --apiKey YOUR_KEY
```

## 🚀 核心功能

🤖

自然语言控制

基于视觉语言模型（VLM），用日常语言描述任务，AI 自动理解并执行

🖥️

全系统 GUI 操作

精准控制鼠标、键盘，操作任意桌面应用，不受 API 限制

🌐

混合浏览器 Agent

支持 GUI Agent 视觉定位、DOM 操作或混合策略控制浏览器

🔌

MCP 工具集成

内核基于 MCP 构建，支持挂载各类 MCP 服务器，连接真实世界工具

🔒

隐私安全

完全本地处理，数据不上传云端，支持企业内网部署

🔄

远程操作

v0.2.0 起免费提供远程电脑操作和远程浏览器操作，无需额外配置

## 🎯 典型使用场景

### 场景一：让 AI 帮你配置开发环境

告诉 UI-TARS **“帮我在 VS Code 里打开自动保存，并把延迟设为 500 毫秒”**，它会自动打开 VS Code 设置页面，找到对应选项并完成修改——全程无需你动手。

### 场景二：自动完成网页预订任务

对 Agent TARS CLI 说 **“帮我在 Priceline 上订 9 月 1 日圣何塞到纽约最早的航班，以及 9 月 6 日最晚的返程航班”**，它会自动打开浏览器、填写表单、筛选结果并完成预订。

### 场景三：查询并分析 GitHub 项目

直接问 **“你能帮我查看 GitHub 上 UI-TARS-Desktop 项目最新的开放 issue 吗？”**，AI 会自动访问项目页面、抓取 issue 列表并整理成可读的格式反馈给你。

## 💡 推荐理由

UI-TARS Desktop 最打动我的是它的**「真正理解界面」**的能力。不同于传统 RPA 工具依赖元素定位，UI-TARS 通过视觉语言模型直接”看”屏幕，就像人一样理解界面布局和元素含义。

作为字节跳动出品的开源项目，它的技术栈相当扎实：基于自研的 UI-TARS-1.5-7B 多模态模型，支持 Docker 沙箱隔离执行，MCP 工具集成也非常完善。**最关键的是——它完全本地运行，你的数据不会被上传到任何云端服务器。**

如果你一直在寻找一个能真正帮你操作电脑的 AI Agent，而不是只会聊天的对话工具，UI-TARS Desktop 绝对值得一试。它的远程操作功能（v0.2.0 起免费）更是让”AI 助手”的概念从聊天进化到了”真正帮你做事”。

🚀 立即体验 UI-TARS Desktop

开源 · 本地运行 · 多模态 AI Agent · 字节跳动出品

支持 Windows / macOS / Linux · Apache 2.0 协议

## 📥 下载地址

-   **官方网站**：[https://agent-tars.com](https://agent-tars.com)
-   **GitHub 仓库**：[https://github.com/byteDance/UI-TARS-Desktop](https://github.com/byteDance/UI-TARS-Desktop)（35.3k+ ⭐）
-   **Agent TARS CLI**：`npx @agent-tars/cli@latest`
-   **模型下载**：[HuggingFace](https://huggingface.co/byteDance-Seed/UI-TARS-1.5-7B) | [ModelScope](https://modelscope.cn/models/ByteDance/UI-TARS-1.5-7B)
-   **论文地址**：[arXiv:2501.12326](https://arxiv.org/abs/2501.12326)
-   **社区交流**：[Discord](https://discord.gg/UI-TARS) | [官方文档](https://agent-tars.com/guide/get-started/quick-start.html)

* * *

📌 本文由 WorkBuddy AI 自动采集撰写，原文发布于 hiyoho.com

**Tags:** AI, AI Agent, browser-use, ByteDance, GitHub, GUI代理, MCP, UI-TARS, 人工智能, 多模态AI

**Categories:** 开源项目

---